admin 管理员组文章数量: 887021
2023年12月16日发(作者：判断手机号码的正则表达式)
第22卷第5期重庆科技学院学报(自然科学版)2020年10月常用的三种分类算法及其比较分析肖铮(四川工商职业技术学院，成都611830)摘要:做好数据分析处理工作，必需掌握几种分类算法。介绍了决策树算法、朴素贝叶斯算法和最近
邻算法的基本思想和分类流程，给出了应用实例，比较分析了它们各自具有的优势和存在的局限。
采用数据挖掘技术进行大数据分析要选择最合适的算法，才能获得更有效的结果(关键词:数据挖掘%决策树算法;朴素贝叶斯算法%最近邻算法中图分类号:TP301
文献标识码:A
文章编号：1673
-1980
(2020
)05
-0101
-061.〔基本思想和分类过程决策树算法在决策分类时整个过程都非常清
数据挖掘就是通过算法从海量数据中搜索获取
有用知识和信息的过程。数据挖掘的任务主要表现
为预测和描述:预测性任务就是根据其他属性的值
晰。在判断类别时,首先通过计算选择一个属性，把
来预测特定属性的值;描述性任务就是概括数据中
它放在决策树的顶端，称它为根节点;接下来从这个
潜在的联系模式(如相关性、趋势、聚类、轨迹和异
点分出若干个分支，任何一个分支都代表一个不同
的分类特征，每个分支的另一端都连接一个新的点，
称为决策点。在这些决策点上可以重复上述步骤,
常等)。分类属于预测任务。分类算法的目的就是
构造一个分类函数或者分类模型，然后由这个模型
把数据库中的数据映射到某一个给定的类别中⑷(
决策
最终到达某个点而不能继续往下分时停止。于是,
法、
素 法
最
邻 法可以根据最终点的个数和属性来判断样本的类别。这里以ID3算法为例。它是先计算信息爛,然
后计算信息增益，最后根据增益的大小进行分类。的分类算法。下面,我们将结合实例对这3种算法
进行比较分析。1决策树算法决策树算法是数据挖掘中常见且实用的分类方
如果以I(D.)表示V的信息量，以P(D.)表示V
的发生概率，则/(V)
=
)
log2
厂
F(V)(1
)法,经常被用于规则提取和分类预测等领域。J.
R.
Quinlan于1979年提出并在之后逐渐修正完善的
ID3算法［2］，是经典的决策树算法。后来有学者在
若出现*个事件，彼此间没有关联，并且不会同
时满足某一要求，则可推导出公式：*ID3的基础之上推出了效率更高、适用范围更广的
C4.5算法,它既适用于分类问题，又适用于回归问
IV
,V
,V，…，V”)
=
%
I(V)==1题。近几年，有南京大学周志华教授提出的“选择
性集成”［3］概念被学术界所接受，并有基于遗传算
法的选择性集成算法GASEN
-
b用于集成C4.
5决
策树⑷(收稿日期:2020
-
06
-
06%P(V)10g2
P
—
i
"
"(V)”1(2
)决策树决策时，假设s为样本集合，|s|为样本
的
数，
且 成
”
类，将这
”
类的大基金项目：四川省高等教育人才培养质量和教学改革项目“基于人工智能的个性化教育人才培养模式的构建和研究”(JG2018
-1168)
%教育部科技发展中心产学研创新基金项目“基于大数据和人工智能的个性化教育关键技术研究”(2018A03007)
%中国轻工业联合会教育工作分会2019年课题“基于人工智能技术的技能创新平台研究与实践”
(QGJY2019020)
%四川工商职业技术学院教育教学类课题“’智能+
'时代教育人才培养模式的构建和研究”
!2019JY04)作者简介：肖铮(1983
& ),男，硕士,副教授，研究方向为人工智能、大数据、软件工程(-101
-
版权声明：本文标题：常用的三种分类算法及其比较分析 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://www.freenas.com.cn/jishu/1702727127h428281.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。
发表评论